博客 > 技术博客

IT如何才能助力业务实现大数据自助分析？

2019年 4月 18日

对于企业内搭建数据平台的IT人来说，在服务业务进行数据分析时都会遇到形形色色的“坑” 。

查询速度慢：很多传统型的BI是基于上一个时代的数据量级进行产品设计的，遇到当前大数据的TB甚至PB海量数据缺乏优化设计。
易用性差：纷繁的产品模块和建模门槛让业务部门很难独立用好一款传统BI产品。
产品开放性差：很多时候每个企业都会有数据分析的定制化需求，封闭的商业软件很难满足。
成本高昂/厂商锁定：很多传统BI厂商不仅仅售卖BI系统，上下游软件通吃。当企业使用全套业务才能产生最好效果，这大大限制了企业对软件的自由选型。一旦上了一家的“船”，当企业的使用规模扩大时成本基本很难控制。

IT 作为服务部门，既要考虑企业对 IT统一治理、管控的要求；又要兼顾到业务发展，打造一个性能强大，拓展性好的基础平台；平台上的数据服务需要是灵活的、开放的。平台不仅仅提供报表工具，更是让数据的使用更加便捷，助力业务用好数据平台，实现业务价值变现。

综合企业IT及业务的两方面需求可以看到，一个现代化的大数据平台，应该具备的特点：

这些都兼备了才有可能让大数据平台服务好业务，展现数据驱动决策的效果。

随着互联网和新媒体技术的飞速发展，企业拥有的数据量呈现出几何级增长，传统BI + 数仓的组合已经完全不能满足业务的场景需求。Kyligence提供的大数据自助分析组合拳解决方案已经帮助不少行业龙实现对复杂数据分析的快速响应。与大家分享两个典型案例：

中国联通使用大数据平台实现对原有 Oracle 平台上 EDW 应用的替换，在大数据平台上实现高性能的移动业务、宽带业务数据分析及用户洞察，基于新的大数据平台，业务人员可以轻松的使用拖拽操作进行多维分析。

中国银联近几年成功转型金融科技，从传统数仓迁移到大数据平台后，运维成本缩减90%， IT能够统一的管理数据权限，且统一了全集团的业务口径，在业务端轻松支持到千万级商户上进行高性能交互式分析与数据探索。

这些案例中的一个共同特性是，当业务使用业务分析遇到瓶颈的时候，这些企业并不仅是采取头痛医头脚痛医脚的策略针对BI前端进行优化，而是采用更为全局的方案从大数据平台建设开始，采用组合拳做整体的升级和优化。

同时，大数据平台通过模型上的维度、度量、指标、层级结构等语义定义实现将底层数据源的技术语言翻译成了业务语言，从而降低业务的数据分析门槛。而业务基于大数据平台在前端拥有灵活易用的工具，使用大数据平台语义层统一定义的指标进行拖拽，所见即所得。

Kyligence 公司提供了同时服务IT需求和业务场景的大数据“组合拳”产品，可以帮助企业高效的上线大数据平台实现业务自助分析的价值，如果您对这套“组合拳”产品有兴趣的话欢迎您点击了解更多